Ang pagsusuri sa pagiging malinaw ng isang larawan ay mahalaga sa iba't ibang larangan gaya ng potograpiya, medikal na imaging, at paningin ng computer.
Karaniwang Matalas na mga Metric
Ilang mga metriko ang ginagamit upang i-quartified ang imahe matalas, bawat isa ay may mga bentaha at limitasyon. Ang pinaka-malawak na ginagamit ay kinabibilangan ng Variance ng Laplacian, Tenengrad, at ang naka-pokus na sukat ng Brenner.
Pagkalkula sa Kaibahan ng Laplacia
Ang Variance ng Lapladian ay sumusukat sa pagkalat ng Laplacian-fittered imahe. Ang isang mas mataas na dibersidad ay nagpapakita ng mas mata-matalas na imahe na may mas maraming mga gilid at detalye.
Ang kalkulasyon ay nagsasangkot ng paglalagay ng pansala ng Laplacian sa larawan at pagkatapos ay pag - aalis ng pagkakaiba ng resultang mga halaga ng pixel.
Iba Pang mga Metric na Nakatuon
Kabilang sa karagdagang mga metriko ang pamamaraang Tenengrad, na gumagamit ng spiral magnitude, at ang pinag-uukulang panukat ni Brenner, batay sa mga pagkakaibang sekswal ng poxel curry. ang mga metrikong ito ay kapakipakinabang sa iba't ibang konteksto depende sa mga katangiang imahe.
Pagkakapit ng mga Mertric
Ang mga quantitive smartness metrics ay ginagamit sa mga sistemang autofocus, pag-uuri ng imahe, at pagproseso ng imahe workflows. tinutulungan nito ang automate na magtuon ng mga pagbabago at tasahin ang pagiging epektibo ng mga pamamaraan ng pag-eespiya.